英语原文共 995 页，剩余内容已隐藏，支付完成后下载完整资料
62基于服务水平可靠度的地铁车站设施布局优化模型
地铁车站设施布局与设施利用，服务水平（服务水平），甚至行人的安全性密切相关。针对这个问题，可靠性的概念被引入。其次是单个设施、单条流线、整个地铁站的服务水平的定义。其中考虑了行人流量到达特性和设施异质性。然后提出了一种基于服务水平可靠性的设施布局优化模型。采用决策树循环算法结合仿真来解决这一问题。最后，以北京知春地铁站为例进行了实例分析。验证了该模型的有效性。与实际相比较，优化方案可以显著提高车站的运行效率和安全性。
关键词:可靠性、服务水平、设施布局优化、地铁站
1引言
现有的地铁车站由于日常运营中乘客需求的不均衡而遭受了低服务可靠性[1, 2]。这就迫切需要通过设备布局优化等实用策略来解决这一问题。地铁车站设施布局问题的核心是寻找一种行人设施，以优化特定目标内给定的约束[3 ]，包括最佳数量的每个设施和相应的物理参数。
现有的相关研究分为数学模拟法和模拟法。一方面，在约束较多的复杂情况下，数学方法将变得复杂且效率低下[4]，如高峰时段各流线的服务水平限制。另一方面，仿真方法已经成为一种流行的方法，提供视觉行人运动过程和有效地解决不同场景[5 ]。然而，很少有基于仿真的模型集中于行人设施的可靠性，这直接关系到地铁车站的安全性。
幸运的是，许多研究者将可靠性的概念融入交通领域的道路交通系统〔6〕。从宏观的角度来看，现有的研究主要集中于道路交通系统的可靠性（7），而从微观角度考虑地铁车站的可靠性问题却很少受到重视。
本文首先将可靠性的概念引入到地铁车站行人设施的服务水平评价中，并在考虑行人流量到达特性和设施异质性的基础上，定义了单站、单流线、全站的服务水平可靠性。在此基础上，提出了以最大服务水平可靠性为目标的设施布局优化模型，并利用决策树循环算法解决了该问题，并提出了可行的优化方案。最后，以智春路站为例，说明了该模型的有效性。本文的主要贡献如下：
（1）地铁车站服务水平可靠度的引入和定义；
（2）特定设施布局优化模型及其求解算法。
2、服务水平可靠性的2种定义
在这一部分中，对单个设施、单流线和全站的服务水平可靠性进行了顺序定义
2.1单独设施的服务水平可靠性
根据可靠性定义〔8〕，将单个设施的服务水平可靠性定义为在给定时间段内服务水平达到预期水平的概率，其计算为：
其中R（x）是设施X的服务水平可靠性，M是实际的服务水平评价指标。在设施X上，Q表示设施预期的服务水平的上限，NXm-qlt;0表示给定时间段中事件m- qlt; 0的发生频率，Nxtotal总计是在给定时间段内设施X到达行人的总数。根据〔9〕，行人设施可分为服务设施Xs和人行道Xw。各种设施的详细指标及其等级分类见表1
表1 地铁车站设施详细指标及等级分类
注意SCM是安全检查机；TVM表示自动售票机；AFG代表自动票价门；QX表示平均排队长度（人）；DX代表行人流量密度（人/m2）
2.2 单条流线的服务水平可靠性
单个行人流线的服务水平可靠性是行人流线型服务水平在给定时间段内达到预期服务水平的概率，虽然流线可以分为入站、出站和换乘。Ytr流线根据行人的出发地和目的地，它们具有相同的分量（即原点、目的地、串联连接的路线和并行连接的路线）。在图1中，给出了入站流线的一个例子。这里，表示每个流线型L的路由集合，F（r）代表每条路的设施。对于串联和并联连接的设施，根据公式（2）和（3）分别计算服务水平可靠性〔8〕。然后，可以利用公式（4）计算最终的服务水平可靠性。
图1 入站流线地铁车站
2.3整个地铁站的服务水平可靠性
全站仪的服务水平可靠性是在给定时间段内，站的服务水平到达预期服务水平的概率，可以根据各流线的服务水平可靠性来计算。考虑到不同流线之间的差异，提出了三种重量参数（与每种行人流量的百分比相关。然后，整个站RS（s）的服务水平可靠性可以计算如下:
3、建模与求解算法
3.1设施布局优化模型
在定义服务水平可靠性的基础上，提出了一种设备布局优化模型，其主要思想是在每个流线型L达到预期服务水平约束下，使整个站的服务水平可靠性最大化（9）。根据最优可靠性理论〔8〕，服务设施的数量和人行道宽度被认为是决策变量。详细的设施布局优化模型如下：
其中 是每个流线型L的服务水平可靠性的阈值；RSS（l）由流线L（Culo）的公式（2）-（4）计算；和分别是服务设施X的下限和上界，和分别代表走道Y的宽度的下限和上界。
3.2求解算法
由于公式（7）的非线性约束，很难用数值算法来解决这个问题。因此，提出了结合仿真的决策树循环算法。具体过程如下（见图2）：
图2问题的求解过程
步骤1：设施分配
现有的设施布局被视为初始分配方案，它应该满足总数量约束和人行道宽度约束[即公式（8）-（9）]。这里，Z0是初始方案的服务水平可靠性的值。是服务水平可靠度的变化率，i是周期时间，其初始值为0。
步骤2：可靠性计算
用AnyLogic进行地铁站模拟，根据公式（2）-（5）计算服务水平可靠性Zi。
步骤3：优化过程
在这一过程中考虑了两个终止条件，包括服务水平可靠性Zi，达到了预期水平和变化率小于0.05。然后，将决策树循环算法应用到优化过程中。每个决策点导致两个分支。
分支1：如果达到任何一个条件，算法终止。
分支2：如果不是，必须有一个瓶颈设施Bi，，即，具有较低的服务水平可靠性的设施的聚集
4.案例研究
以北京地铁知春路车站为研究对象（见图3）。有七个原点/目的地（OD）点，分别表示为P1至P7和十个步行设施。2016年3月18日上午8点30分和9点10分固定七台录像机，然后收集10402名乘客的数据。
图3北京地铁智春路站10号线车站大厅布置图
4.1模型应用
为了计算该站的服务水平可靠度，利用AnyLogic对采集到的数据进行了Monte Carlo模拟。参数=0.58和=0:42，由各流线的体积比决定。根据sect.3，当期望的服务水平处于C级时，站厅的服务水平可靠性低于0.9，然后选择决策节点的分支2。此外，瓶颈设置B0包括SCM、Stair-1、Stair-2和走廊1（用图4中的椭圆标记）。然后，根据步骤4.2，提出以下措施（优化方案1）.
增加一个安全检查机。
将走廊宽度增加0.5米。
然后将算法跳到步骤2。由于Stair-1和Stair-2的容量不足，车站大厅的服务水平可靠性仍然低于0.9，这包括在瓶颈B1中。由于在B1中没有服务设施，所以执行步骤4.1，并且需要进一步优化（优化方案2）。
增加1楼梯宽度0.5米
增加2楼梯宽度0.5米。
图5中示出了优化方案2的场景。在预期的服务水平约束下，站厅的服务水平可靠性达到0.9597，这优于其他场景（见图6）。因此，实现了优化目标，算法结束。
4.2 结果分析
为了验证所提出的模型的有效性，将优化方案1和优化方案2的站服务水平可靠性与原始方案序列的服务水平可靠性进行了比较
图4 方案的仿真场景
图5 优化方案2的仿真场景、
图6 站厅三种方案的服务水平可靠性
从图6中可以看出，优化方案1的站服务水平可靠性总是小于原来的方案，这意味着原有的设施布局更好。主要原因是优化方案忽略了楼梯1和楼梯2的瓶颈，导致这些设施在行人流量增加的情况下变得不可靠。因此，稍后提出优化方案2。
同样，在大多数情况下，除B级外，优化方案2的站服务水平可靠性大于原方案的站服务水平可靠性，这意味着设施优化模型及其求解算法在大多数情况下都是有用的。针对异常情况（即B级），详细分析了廊道宽度的增加，廊道2宽度减小的原因，将廊道1从走廊1转为廊道2，从而使服务水平可靠度也处于较低水平。针对这一问题，有效的解决方案是在每个优化步骤中减小宽度变化的幅度。目前，变化幅度为0.5米，在今后的研究中应进行调整。
5、结论与展望
针对设施布局问题，引入了可靠性概念，定义了单个设施、单流线、全站的服务水平可靠性。在服务水平可靠性定义的基础上，提出了以最大站服务水平可靠性为目标的设施布局优化模型，然后结合仿真的决策树循环算法。在案例研究中，提出了两种优化方案，并与原方案进行了比较。总的来说，服务水平可靠度可以准确反映设备的使用情况，可以作为重要的评价指标，该算法可以提供有效的优化方案。
本文的研究为可靠性在行人交通领域中的应用打下了良好的基础。未来的工作是必要的，以比较性能的服务水平可靠性与其他指标，如平均时间的收集和疏散。
这项工作得到了国家重点研究项目No.2016YFB1200 601的资助。地铁站的视频数据由国防科技大学基础教育学院董亮师长教师提供。
60铁路车站高峰时段客运组织方法研究
近年来，铁路客运量持续飙升，客运组织压力不断加大。虽然许多车站将通过建造新的设备和设施来增加乘客的容量，但如果新的技术和设备可以，则效果仍然不令人满意。同时，充分考虑客流的特点，关注提高客运效率，使客运量大幅度增加。本文旨在找出有效的组织方法来分散人们的流线，避免高峰时间拥挤，并介绍了高峰小时拥挤的概念和客流特征。然后，对旅客流线组织和设备的客容量进行了探讨和研究。重点介绍了我国铁路客站的旅客组成和高峰时段拥挤的特点。并分析了如何计算车站设备容量，优化客运线路在高峰时段的管理方式。
关键词:铁路车站 高峰时段运输 客运组织 乘客流线
1、引言
客流是指根据旅客自己的出行需要选择自己的车辆，在一定的时间和空间内移动位置的目的〔1〕。客流高峰在一定时期内，客流快速增长，因此普通旅客组织方式不能满足旅客出行的要求，应寻找有效的组织方法，最大限度地提高车站设备容量〔2〕。客运站的工作是
提高其他运输方式竞争力的关键。
由于大车站在高峰时段相对拥挤，因此火车站的客流面临着服务试验。因此，提高客运效率，缓解车站容量的压力是关键。
2、高峰时段的客流特征
客流高峰是一种特殊形式的客流，是在一个特殊的时期内，如春节假期、冬夏假期等，是一种大规模的客流。将客流分为春节客流、夏季交通客流、假日流量等不同类别。由于交通需求 且时段短，与正常客流相比有一定的客流特征。
传统的高峰客流一般发生在春节期间，但随着人民群众生活质量的大幅提高，人们的消费观念发生了巨大的变化，对旅游的需求也在迅速增长。因此，高峰时段也越来越频繁，这就意味着客运组织面临更多的挑战。
2.1客流高峰的构成
一般来说，从客流的组成结构来看，客流可以分为四类客流：
（1）学生的客流、暑假和暑假的开始和结束以及每个节日的开始和结束都是学生发生客流的时候
（2）外来务工人员的客流，随着经济建设步伐的加快和加快，大批农村人口进城打工，春节期间，大部分农民工通勤进城。
（3）旅游流、旅游客流，包括团体旅游和个人旅游，以及旅行社组织的旅行社。
（4）商务客流，得益于高速铁路的高速发展，高铁成为商务人士的必然选择
2.2高峰时段的客流特征
（1）旅客出行时间的集中度
客流高峰一般集中在春节、劳动节和国庆节等长假，并且有很强的规律性，比如春节前的高峰交通和春节后的高峰交通，国庆节之前劳动日后出现高峰客流。
（2）旅客出行压力
车站在高峰时段非常拥挤，所以一般都会让乘客焦急，他们急于离开车站，尤其是那些携带贵重物品的人，他们更担心自己的财产安全。所以他们可能会有严重的心理问题和其他过度的行为。
（3）全天候
当在高峰时段的客流中，运输能力一般无法满足乘客的要求，大多数乘客必须花很多钱买票，并且经常在车站停留很长一段时间。
（4）指导
由于运输能力无法储存，运输能力不足是很容易的。此时政府可以通过新媒体给乘客选择一个合理的出行时间
（5）旅客携带行李较多
普通旅客通常只具备日常生活必需品，但对于特定节日的人们往往携带礼品、特产或旅游用品，则增加了行李丢失的风险，刑事案件可能增多。
3、高峰时段客运站的运输组织
3.1、车站设施
旅客列车站是旅客运输服务的管理站，是旅客与铁路最密切的联系点，铁路的合法权利和义务随旅客的到达而产
全文共5799字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[11673]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
